論文の概要: Neural-network quantum states for many-body physics
- arxiv url: http://arxiv.org/abs/2402.11014v2
- Date: Fri, 16 Aug 2024 12:20:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 20:34:59.162535
- Title: Neural-network quantum states for many-body physics
- Title（参考訳）: 多体物理学のためのニューラルネットワーク量子状態
- Authors: Matija Medvidović, Javier Robledo Moreno,
- Abstract要約: 変分量子計算は、機械学習コミュニティから多くのツールやアルゴリズムを借りている。
ディープラーニング問題にインスパイアされた試行状態は、スピン、フェルミオン、キュービット系の多体相関現象を正確にモデル化することができる。
第一原理基底状態と実時間計算の最近の結果の概要について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Variational quantum calculations have borrowed many tools and algorithms from the machine learning community in the recent years. Leveraging great expressive power and efficient gradient-based optimization, researchers have shown that trial states inspired by deep learning problems can accurately model many-body correlated phenomena in spin, fermionic and qubit systems. In this review, we derive the central equations of different flavors variational Monte Carlo (VMC) approaches, including ground state search, time evolution and overlap optimization, and discuss data-driven tasks like quantum state tomography. An emphasis is put on the geometry of the variational manifold as well as bottlenecks in practical implementations. An overview of recent results of first-principles ground-state and real-time calculations is provided.
- Abstract（参考訳）: 変分量子計算は近年、機械学習コミュニティから多くのツールやアルゴリズムを借りている。
優れた表現力と効率的な勾配に基づく最適化を利用して、深層学習問題に触発された試行状態は、スピン、フェルミオン、量子ビット系の多体相関現象を正確にモデル化できることを示した。
本稿では, 基底状態探索, 時間発展, 重複最適化など, 異なるフレーバーの変動型モンテカルロ(VMC)アプローチの中心方程式を導出し, 量子状態トモグラフィーのようなデータ駆動型タスクについて議論する。
変動多様体の幾何学と実践的な実装におけるボトルネックに重点を置いている。
第一原理基底状態と実時間計算の最近の結果の概要について述べる。
関連論文リスト
- Accurate Learning of Equivariant Quantum Systems from a Single Ground State [7.980273012483663]
本研究では, 周期的境界条件を持つ系に対する基底状態のすべての特性を, 1つの基底状態サンプルから学習する方法を示す。
予測誤差は熱力学の限界でゼロとなる傾向を示し、数値的な検証を行う。
論文 参考訳（メタデータ） (2024-05-20T18:13:15Z) - Symmetry-invariant quantum machine learning force fields [0.0]
我々は、データに着想を得た、広範囲な物理関連対称性の集合を明示的に組み込んだ量子ニューラルネットワークを設計する。
この結果から,分子力場生成は量子機械学習の枠組みを生かして著しく利益を得る可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-19T16:15:53Z) - An introduction to infinite projected entangled-pair state methods for variational ground state simulations using automatic differentiation [0.2796197251957244]
テンソルネットワークは 量子物質の相の基底状態の大規模なクラスを 忠実かつ効率的に捉えます
近年、量子状態の変分最適化に関する複数の提案が進められている。
本稿では,iPEPSフレームワークの現状を概観し,自動微分の詳細な解説を行う。
論文 参考訳（メタデータ） (2023-08-23T18:03:14Z) - Newton-Cotes Graph Neural Networks: On the Time Evolution of Dynamic
Systems [49.50674348130157]
本稿では,ニュートン・コーツの公式を用いた速度推定に基づく積分の予測手法を提案する。
いくつかのベンチマークの実験は、最先端の手法と比較して、一貫性と顕著な改善を実証的に示している。
論文 参考訳（メタデータ） (2023-05-24T02:23:00Z) - QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。
有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。
本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-14T08:03:20Z) - Learning ground states of gapped quantum Hamiltonians with Kernel
Methods [0.0]
本稿では,カーネル手法を用いて最適化を容易にする統計的学習手法を提案する。
提案手法は,電力の次のステップを学習するために教師付き学習を用いる電力法を近似的に実現したものである。
論文 参考訳（メタデータ） (2023-03-15T19:37:33Z) - Towards Neural Variational Monte Carlo That Scales Linearly with System
Size [67.09349921751341]
量子多体問題(Quantum many-body problem)は、例えば高温超伝導体のようなエキゾチックな量子現象をデミストする中心である。
量子状態を表すニューラルネットワーク(NN)と変分モンテカルロ(VMC)アルゴリズムの組み合わせは、そのような問題を解決する上で有望な方法であることが示されている。
ベクトル量子化技術を用いて,VMCアルゴリズムの局所エネルギー計算における冗長性を利用するNNアーキテクチャVector-Quantized Neural Quantum States (VQ-NQS)を提案する。
論文 参考訳（メタデータ） (2022-12-21T19:00:04Z) - A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。
我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
論文 参考訳（メタデータ） (2022-11-23T18:25:32Z) - Numerical and geometrical aspects of flow-based variational quantum
Monte Carlo [4.2463407840464615]
本稿では、場の振幅(可変四角形)に基づくボソンの例に焦点を当てる。
PyTorchコードの実装をガイドするために、いくつかの実用的な命令が提供されている。
このレビューは、機械学習と量子情報科学に関心のある研究者が利用できることを意図している。
論文 参考訳（メタデータ） (2022-03-28T15:04:29Z) - Quantum algorithms for quantum dynamics: A performance study on the
spin-boson model [68.8204255655161]
量子力学シミュレーションのための量子アルゴリズムは、伝統的に時間進化作用素のトロッター近似の実装に基づいている。
変分量子アルゴリズムは欠かせない代替手段となり、現在のハードウェア上での小規模なシミュレーションを可能にしている。
量子ゲートコストが明らかに削減されているにもかかわらず、現在の実装における変分法は量子的優位性をもたらすことはありそうにない。
論文 参考訳（メタデータ） (2021-08-09T18:00:05Z) - Learning to Simulate Complex Physics with Graph Networks [68.43901833812448]
本稿では,機械学習のフレームワークとモデルの実装について紹介する。
グラフネットワーク・ベース・シミュレータ(GNS)と呼ばれる我々のフレームワークは、グラフ内のノードとして表現された粒子で物理系の状態を表現し、学習されたメッセージパスによって動的を計算します。
我々のモデルは,訓練中に数千の粒子による1段階の予測から,異なる初期条件,数千の時間ステップ,少なくとも1桁以上の粒子をテスト時に一般化できることを示す。
論文 参考訳（メタデータ） (2020-02-21T16:44:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。